XiaoMi-AI文件搜索系统
World File Search Systememr
基于忆阻器的边缘计算信号处理
赵晗就职于清华大学北京国家信息科学技术研究中心集成电路学院，北京 100084，中国，同时也就职于哈尔滨工业大学微电子科学与技术系，哈尔滨 150001。电子邮件：1172100403@stu.hit.edu.cn。刘正武就职于清华大学北京国家信息科学技术研究中心集成电路学院，北京 100084，中国。电子邮件：liuzw18@mails.tsinghua.edu.cn。唐建石、高斌、钱赫和吴华强就职于清华大学北京国家信息科学技术研究中心集成电路学院，北京 100084，中国，同时也就职于清华大学北京未来芯片创新中心，北京 100084。电子邮件：f jtang, gaob1, qianh, wuhq g @tsinghua.edu.cn。张玉峰就职于哈尔滨工业大学微电子科学与技术系，哈尔滨 150001，中国。电子邮件：yufeng zhang@hit.edu.cn。Ž 赵涵和刘正武对本文贡献相同。通讯作者。稿件收到日期：2021-02-27；修订日期：2021-06-15；接受日期：2021-06-27。
混合忆阻器-CMOS 神经元，用于全硬件忆阻脉冲神经网络中的原位学习
混合忆阻器-CMOS神经元用于全硬件忆阻脉冲神经网络的原位学习 张旭萌 #1,2,3、陆建 #2、王睿 2,3、魏劲松 2、石拓 2,4、窦春梦 2,3、吴祖恒 2,3、尚大山 2,3、幸国忠 2,3、刘奇*1,2、刘明 1,2 1 复旦大学前沿芯片与系统研究所，上海 200433，中国，2 中国科学院微电子研究所微电子器件与集成技术重点实验室，北京 100029，中国，3 中国科学院大学，北京 100049，中国，4 浙江实验室，杭州 311122。 E-mail: qi_liu@fudan.edu.cn #这些作者对这项工作做出了同等贡献。摘要：
基于忆阻器的内存计算
摘要 随着基于忆阻技术的内存计算系统的迅速兴起，将此类内存设备集成到大规模架构中是需要解决的主要问题之一。在本文中，我们研究了基于 HfO 2 的忆阻设备在大规模 CMOS 系统（即 200 毫米晶圆）中的集成。分析了单金属-绝缘体-金属设备的直流特性，同时考虑了设备间的差异和开关特性。此外，还分析了样品原始状态下漏电流水平的分布，并将其与被测设备中未成形的忆阻器数量相关联。最后，将得到的结果拟合到基于物理的紧凑模型中，从而可以将其集成到更大规模的模拟环境中。
一步低温MOS2和WS2薄膜的硫化工程
免责声明：洛斯·阿拉莫斯国家实验室（Los Alamos National Laboratory）是一项平权行动/平等机会雇主，由Triad National Security，LLC经营美国国家能源部国家核安全管理局根据合同89233218CNA000001经营。通过批准本文，出版商认识到，美国政府保留了不判有限定的免版税许可，以出版或复制已发表的此捐款形式，或者允许其他人出于美国政府的目的。洛斯阿拉莫斯国家实验室要求出版商根据美国能源部主持的工作确定这篇文章。Los Alamos国家实验室强烈支持学术自由和研究人员发表权；但是，作为一个机构，实验室并未认可出版物的观点或保证其技术正确性。
基于AG/V2C/W阈值转换器的人工神经元
1电子与光学工程学院，微电子学院，南京邮政与电信大学，中国南京210023； 2020020114@njupt.edu.cn（Y.W。）; 1219023530@njupt.edu.cn（X.C.）; b18020308@njupt.edu.cn（D.S.）; zmcstudy@163.com（M.Z。）; 1320027503@njupt.edu.cn（X.C.）; iamethu@njupt.edu.cn（E.H.）; leiwang1980@njupt.edu.cn（l.w.）2 GUSU材料实验室，中国苏州215000； shaoweijing2020@gusulab.ac.cn（W.S. ）; guhong2021@gusulab.ac.cn（H.G.） 3南京邮政与电信大学高级材料研究所（IAM），中国南京210023； 1220066008@njupt.edu.cn 4材料科学与工程学院，Yancheng理工学院，Yancheng 224051，中国； jgxu@163.com *通信：xurq@njupt.edu.cn（R.X. ） ）; tongyi@njupt.edu.cn（y.t。）2 GUSU材料实验室，中国苏州215000； shaoweijing2020@gusulab.ac.cn（W.S.）; guhong2021@gusulab.ac.cn（H.G.）3南京邮政与电信大学高级材料研究所（IAM），中国南京210023； 1220066008@njupt.edu.cn 4材料科学与工程学院，Yancheng理工学院，Yancheng 224051，中国； jgxu@163.com *通信：xurq@njupt.edu.cn（R.X.）; tongyi@njupt.edu.cn（y.t。）
关于忆阻器 HRS 和 LRS 状态退化和数据保留时间的问题
引言由于构建太比特容量的非易失性存储器集成电路和在神经形态计算中的应用前景看好[1]，基于电介质电阻切换的存储器设备领域的研究数量呈指数级增长。由于缺乏理想的电介质、通过结构缺陷限制电流泄漏以及隧道效应，基于电荷存储的存储单元已经接近缩放的物理极限。相反，在基于电阻切换机制 (ReRAM) 的存储单元中，不需要理想的电介质，但其局部缺陷区域的结构必须限制在纳米级。在外部电场的影响下，该区域中的阳离子-阴离子电荷传输导致电介质结构缺陷发生局部可逆变化，这种变化在外部表现为单元电导率的逐步变化和高阻状态（HRS 或 RESET 状态）和低阻状态（LRS 或 SET 状态）之间的电阻切换。这些状态是在暴露于具有特定极性、持续时间和幅度的开关脉冲后建立的。在没有外部电场的情况下，理想的忆阻器（具有记忆功能的电阻器）能够在单元电阻的固定值下根据需要长时间维持HRS和LRS。因此，忆阻器存储单元中的一比特信息以结构变化的形式存储在两个导电电极之间封闭的电介质的局部区域中。只有两级电阻（一位）的忆阻器集成到交叉结构[2–6]中，并以3D配置
使用量子计算机折叠的RNA折叠
神经元是信息传输和信息处理中的专门细胞。之后，许多神经系统疾病与细胞活力/稳态问题直接相关，而是与电活动动力学的特定异常相关。认识到这一事实，基于神经元电活动的直接调节的治疗策略已取得了显着的结果，从耳蜗植入物到深脑刺激的成功实例。在这些植入设备上开发的开发受到了重要挑战的阻碍：功率要求，尺寸因子，信号转导和适应性/计算能力。回忆录，纳米级电子组件能够模仿自然突触，提供了独特的特性来解决这些约束及其在神经假体设备中的使用。在这里，我们首次证明了在临床相关的环境中使用回忆设备，在这种环境中，两个神经元种群之间的通信源于来源人群中的特定活动模式。在我们的方法中，Memristor设备执行了简单的模式检测计算，并充当能够可逆的短期可塑性的突触器。使用体外海马神经元培养物，我们使用监视器 - 计算活性范式显示出具有高度可重复性的实时自适应控制。我们设想了非常相似的系统用于自动检测和抑制癫痫患者的癫痫发作。
用于存储和神经形态计算的自供电忆阻系统
一种能够模仿人脑同时处理多种类型数据能力的神经形态计算芯片可以从根本上革新和改进备受诟病的冯诺依曼计算机架构。忆阻器是构建神经形态智能系统的最佳硬件单元之一，因为它们在固有低电压下工作、使用多位存储并且制造成本低廉。然而，作为一种无源器件，忆阻器单元需要外部能量才能运行，导致功耗高且电路结构复杂。最近，一种新兴的自供电忆阻系统有望完美解决上述问题，该系统主要由忆阻器和电动纳米发电机组成。它因无电运行的优势而引起了人们的极大兴趣。在这篇综述中，我们系统地描述了从存储到神经形态计算的自供电忆阻系统。这篇综述还证明了自供电忆阻系统在人工智能中的应用前景。
具有忆阻器横杆的网络化视网膜传感器可实现大脑启发的视觉感知
与人类视觉相比，由图像传感器和处理器组成的传统机器视觉由于图像感测和处理在物理上分离，存在高延迟和大功耗的问题。具有大脑启发视觉感知的神经形态视觉系统为该问题提供了一个有希望的解决方案。在这里，我们提出并演示了一种原型神经形态视觉系统，该系统通过将视网膜传感器与忆阻交叉开关联网。我们使用具有栅极可调光响应的 WSe 2 /h-BN/Al 2 O 3 范德华异质结构来制造视网膜传感器，以紧密模拟人类视网膜同时感测和处理图像的能力。然后，我们将传感器与大规模 Pt/Ta/HfO 2 /Ta 单晶体管单电阻 (1T1R) 忆阻交叉开关联网，该交叉开关的作用类似于人脑中的视觉皮层。实现的神经形态视觉系统可以快速识别字母和跟踪物体，表明在完全模拟状态下具有图像感测、处理和识别的能力。我们的工作表明，这种神经形态视觉系统可能会为未来的视觉感知应用开辟前所未有的机会。